• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    用于表情識別的半監(jiān)督學習自適應提升算法

    2016-07-19 02:14:11吳會叢賈克斌
    計算機應用與軟件 2016年6期
    關鍵詞:源域識別率人臉

    吳會叢 賈克斌 蔣 斌

    1(河北科技大學信息科學與工程學院 河北 石家莊 050018)2(北京工業(yè)大學電子信息與控制工程學院 北京 100124)

    ?

    用于表情識別的半監(jiān)督學習自適應提升算法

    吳會叢1賈克斌2蔣斌2

    1(河北科技大學信息科學與工程學院河北 石家莊 050018)2(北京工業(yè)大學電子信息與控制工程學院北京 100124)

    摘要針對半監(jiān)督人臉表情識別算法在表情來源多樣、姿態(tài)不一時準確率低的問題,在遷移學習自適應提升算法的基礎上,提出一種新的半監(jiān)督學習自適應提升算法。該算法通過近鄰計算由訓練集中的已標記樣本求出未標記樣本的類別,并借助AdaBoost.M1算法分別對多數(shù)據(jù)源的人臉表情樣本和多姿態(tài)人臉表情樣本展開識別,實現(xiàn)樣本的多類識別任務。實驗結果表明,與標號傳遞等半監(jiān)督學習算法相比,該算法顯著提高了表情識別率,且分別在多數(shù)據(jù)庫和多姿態(tài)數(shù)據(jù)庫上獲得了73.33%和87.71%的最高識別率。

    關鍵詞人臉表情識別半監(jiān)督學習自適應提升

    0引言

    近年來,人臉表情識別作為一種生物特征識別技術,已成為多媒體信息處理、人機交互、圖像處理與模式識別等領域的重要研究課題[1,2]。在人臉表情識別過程中,樣本標記起到了重要的作用,但是并不容易獲取。由于半監(jiān)督學習[3]能夠利用少量的標記樣本和大量的未標記樣本構建學習模型,研究者將其應用于人臉表情識別領域以解決標記樣本不足的問題,提高人臉表情識別的實用性。

    半監(jiān)督學習的目的是借助大量的未標記樣本參與訓練以彌補訓練樣本不足的缺陷。然而,專業(yè)數(shù)據(jù)庫中人臉表情圖像數(shù)量的不足限制了半監(jiān)督學習在表情識別中的發(fā)展。因此,需要尋找一種方案來解決數(shù)據(jù)量不足的問題,以便更好地完成半監(jiān)督學習在人臉表情識別中的應用。解決問題的思路有兩個:其一是將多個數(shù)據(jù)庫放在一起使用,進行多數(shù)據(jù)庫聯(lián)合實驗。該方法具有以下兩個優(yōu)點:第一,能夠收集大量的未標記樣本,方便研究者復原實驗過程,使得在該數(shù)據(jù)庫上得到的實驗結果更具有說服力;第二,在實際生活中,我們面對的人群是多種多樣的,多數(shù)據(jù)庫有利于我們模擬實際情況。所以使用多數(shù)據(jù)庫進行半監(jiān)督學習實驗的做法,具有很大的優(yōu)勢。其二是將多姿態(tài)圖像作為樣本,參與半監(jiān)督人臉表情識別。該方法對于在現(xiàn)實環(huán)境中識別多姿態(tài)的人臉表情圖像具有重要的實際意義。

    目前,針對多數(shù)據(jù)庫、多姿態(tài)表情識別的半監(jiān)督學習的研究還處于起步階段。針對多數(shù)據(jù)庫條件下的表情識別問題,文獻[4]提出了一種新的遷移子空間學習算法,在JAFFE、CK和Feedtum數(shù)據(jù)庫兩兩組合成的數(shù)據(jù)集上取得了一定的效果。對于多姿態(tài)條件下的表情識別問題,主要通過改進特征提取方法來提高樣本識別的正確率。文獻[5]采用了張量臉結合流形學習的方法來解決多姿態(tài)條件下的人臉識別問題。文獻[6]提出了基于正交鑒別向量的算法來克服人臉姿態(tài)變化對識別造成的干擾。文獻[7]將基于子空間的人臉表征看作一個回歸問題,因此采用了嶺回歸和線性回歸的方法來處理人臉的姿態(tài)變化問題。文獻[8]使用嵌入式馬爾科夫模型方法處理人臉的不同姿態(tài),獲得了比傳統(tǒng)的基于構件的分類器更好的識別率。

    為進一步提升多數(shù)據(jù)庫、多姿態(tài)條件下的表情識別率,本文引入了遷移學習自適應提升(TrAdaBoost)[9]算法中的知識遷移方式,提出了一種新的基于半監(jiān)督學習的自適應提升(SSL-AdaBoost)算法。選擇引入TrAdaBoost算法有以下兩點原因:其一,該方法是遷移學習理論的代表性算法,既能保證知識遷移效果,又具有結構簡單、便于操作的優(yōu)點;其二,該方法以AdaBoost算法為基本框架。而在半監(jiān)督學習中出現(xiàn)了不少基于AdaBoost框架的算法,如SemiBoost[10]算法、ASSEMBLE[11]算法以及RegBoost[12,13]算法等,為TrAdaBoost算法改進為半監(jiān)督學習算法提供了可能性。

    1算法原理分析

    1.1TrAdaBoost算法原理

    TrAdaBoost算法的基本原理如下:

    設Xs表示源域內和目標域數(shù)據(jù)分布相同的樣本,Xd表示源域內和目標域數(shù)據(jù)分布不同的樣本。令X=Xs∪Xd,Y={0,1}表示樣本標記,c表示將X映射到Y的布爾函數(shù),c(x)表示樣本x的標記。

    如果符合t≤N、εt<0.5的條件,算法開始循環(huán):

    (2) 依據(jù)分布Pt,采用WeakLearn得到樣本的分類結果ht:X→Y;

    (4) 設參數(shù)βt=εt/(1-εt);

    (5) 更新權重向量:

    (1)

    如果達到收斂條件,算法結束,否則繼續(xù)執(zhí)行。

    最后,輸出最終分類器hf(x):

    (2)

    其中,「?是上取整函數(shù),「N/2?表示不小于N/2的整數(shù)中最小值。

    1.2SSL-AdaBoost算法原理

    本文提出的SSL-AdaBoost算法在保留TrAdaBoost算法的知識遷移能力的同時,對TrAdaBoost算法進行兩方面的改進:一方面,TrAdaBoost算法屬于監(jiān)督學習算法,算法需要訓練樣本的標記信息,而SSL-AdaBoost算法是一個半監(jiān)督學習算法。按照半監(jiān)督學習的要求,訓練集由標記樣本和未標記樣本組成。因此,需要選取一定比例的訓練樣本為未標記樣本,余下的為標記樣本,從而兼顧了半監(jiān)督學習的要求和算法的分類性能。為了進一步消除未標記樣本對分類的不利因素,借助SemiBoost和ASSEMBLE等算法的處理方式,利用訓練集中的已標記樣本,通過近鄰計算求出訓練集中未標記樣本的類別。另一方面,TrAdaBoost算法用于解決二類分類問題,而人臉表情識別卻需要完成多種表情的識別任務。由于TrAdaBoost算法可以看作AdaBoost算法的擴展,而AdaBoost算法是二類分類方法,本文可以借助一種用于實現(xiàn)多類分類任務的AdaBoost算法,即AdaBoost.M1算法,完成樣本的多類識別。

    SSL-AdaBoost算法的基本原理如下:

    令Xs表示源域內和目標域數(shù)據(jù)分布相同的樣本,Xd表示源域內和目標域數(shù)據(jù)分布不同的樣本。令X=Xs∪Xd。

    (3)

    如果符合t≤N、εt<0.5的條件,算法開始循環(huán):

    (2) 依據(jù)分布Pt,采用WeakLearn得到樣本的分類結果ht:X→Y;

    (4) 設參數(shù)βt=εt/(1-εt);

    (5) 更新權重向量:

    (4)

    如果達到收斂條件,算法結束,否則繼續(xù)執(zhí)行。

    最后,輸出最終分類器hf(x):

    (5)

    2實驗結果及分析

    本文實驗以人臉表情識別為應用背景,共分為兩部分:多數(shù)據(jù)庫條件下的半監(jiān)督學習實驗和多姿態(tài)條件下的半監(jiān)督學習實驗。

    2.1多數(shù)據(jù)庫人臉表情識別實驗

    多數(shù)據(jù)庫條件下的半監(jiān)督學習實驗采用180幅日本女性人臉表情數(shù)據(jù)庫JAFFE(JapanFemaleFacialExpression)[14]的圖像、240幅美國卡內基梅隆大學動作單元編碼數(shù)據(jù)庫CK(Cohn-KanadeAU-CodedDatabase)[15]的表情峰值圖像以及荷蘭內梅亨大學人臉數(shù)據(jù)庫RaFD(RadboudFacesDatabase)[16]的57個成年人的342幅正面像。待分類樣本分別具有生氣、厭惡、恐懼、悲傷、高興和驚奇表情,各數(shù)據(jù)庫中每種表情的圖像數(shù)量基本相等。因為要進行多數(shù)據(jù)庫聯(lián)合實驗,所以在獲取人臉圖像后,對所有人臉圖像進行尺度歸一化,將圖像大小設為168×120。然后,采用直方圖均衡的方法對圖像進行光照補償。最后,通過PCA將數(shù)據(jù)維數(shù)降至40維,運用LDA實現(xiàn)對表情圖像的特征提取。

    為驗證SSL-AdaBoost算法的效果,實驗采用AdaBoost.M1算法、ASSEMBLE算法、RegBoost[12]算法和標號傳遞(LP)算法[17]作為基線算法。實驗以k近鄰分類器作為AdaBoost.M1、RegBoost和SSL-AdaBoost算法的基礎分類器。設k值為11,算法的最大循環(huán)次數(shù)為10次。

    首先,以JAFFE數(shù)據(jù)庫為源域、CK數(shù)據(jù)庫為目標域開展分類實驗。按照表情類別,隨機選取r比例的目標域樣本和源域樣本組成訓練集,其中r分別取10%、20%、30%、40%和50%。因為實驗采用180個JAFFE樣本和240個CK樣本,所以選取的目標域樣本數(shù)量為r×180,余下的240-r×180個目標域樣本組成測試集。令訓練集中標記樣本和未標記樣本的比例為1。每個比例的樣本數(shù)據(jù)各生成10組,算法識別率取10次實驗的平均結果,實驗結果如表1所示。從表1中可以看出,SSL-AdaBoost算法在不同比例下的平均識別率高于AdaBoost.M1和RegBoost算法。再以CK數(shù)據(jù)庫為源域、JAFFE數(shù)據(jù)庫為目標域進行對比實驗,結果如表2所示。從表2中可以看出,各算法的識別率普遍不高,原因在于JAFFE數(shù)據(jù)庫中的表情個體為日本女性,民族和性別情況單一,對同一種表情的表達強度近似。CK數(shù)據(jù)庫中的個體以歐美人群為主,民族及性別情況十分復雜,對同一種表情的表達強度不一。所以將CK數(shù)據(jù)庫作為源域,極大地增加了識別難度,但是本文提出的SSL-AdaBoost算法仍在10%~30%的比例下保持了最高的平均識別率。

    表1 JAFFE與CK數(shù)據(jù)庫的識別率

    表2 CK與JAFFE數(shù)據(jù)庫的識別率

    其次,以JAFFE數(shù)據(jù)庫為源域、RaFD數(shù)據(jù)庫為目標域開展分類實驗,結果如表3所示。從表3中可以看出,在不同的數(shù)據(jù)庫下,SSL-AdaBoost算法在不同比例下的平均識別率高于基線算法。再以RaFD數(shù)據(jù)庫為源域、JAFFE數(shù)據(jù)庫為目標域進行對比實驗,結果如表4所示。實驗結果表明,表3和表4的識別率高于表1和表2,原因在于JAFFE數(shù)據(jù)庫和RaFD數(shù)據(jù)庫的民族比較單一,前者為日本女性,后者為白種人。相比之下,CK數(shù)據(jù)庫包含了世界各地的民族,所以數(shù)據(jù)的特征空間和數(shù)據(jù)分布不一致的問題更嚴重,干擾了半監(jiān)督學習算法的識別效果。

    表3 JAFFE與RaFD數(shù)據(jù)庫的識別率

    表4 RaFD與JAFFE數(shù)據(jù)庫的識別率

    最后,以CK數(shù)據(jù)庫為源域、RaFD數(shù)據(jù)庫為目標域開展分類實驗,結果如表5所示。再以RaFD數(shù)據(jù)庫為源域、CK數(shù)據(jù)庫為目標域進行對比實驗,結果如表6所示。實驗結果表明,SSL-AdaBoost算法在40%和50%比例下,相對于基線算法在識別率上仍具有優(yōu)勢。CK數(shù)據(jù)庫和RaFD數(shù)據(jù)庫均以西方人為主,西方人對同一種表情的表達方式比較豐富,因此增加了識別的難度。

    表5 CK與RaFD數(shù)據(jù)庫的識別率

    表6 RaFD與CK數(shù)據(jù)庫的識別率

    綜上所述,SSL-AdaBoost算法在一定程度上克服了不同數(shù)據(jù)環(huán)境下的個體差異性對表情識別的干擾,有效地實現(xiàn)了對未標記樣本的訓練。與基線算法相比,SSL-AdaBoost算法在多數(shù)情況下具有更好的魯棒性和識別率,對比實驗證明了算法的有效性。

    2.2多姿態(tài)人臉表情識別實驗

    多姿態(tài)條件下的半監(jiān)督學習實驗選擇RaFD數(shù)據(jù)庫和BHU數(shù)據(jù)庫為實驗對象。前者選取了57個人的6種基本表情、3個水平旋轉角度(正面、135°和180°)的人臉圖像,每個角度的圖像數(shù)量為342幅。后者選取了8個人的兩種表情(生氣、高興)、2個水平旋轉角度(正面和水平旋轉30°)的人臉圖像。每個角度的圖像數(shù)量為480幅。每種表情的圖像數(shù)量相同。

    首先,實驗依靠圖像處理軟件,通過人工切分的方法,以前額發(fā)跡線到下顎為人臉的縱向切分范圍,獲取人臉圖像,所有人臉圖像的大小歸一化為64×64。其次,通過直方圖均衡化方法,對圖像進行光照補償。預處理后的實驗樣本如圖1和圖2所示。其中,圖1從上到下分別為正面、135°和180°旋轉角度的RaFD數(shù)據(jù)庫的表情圖像;圖2從上到下分別為正面和30°旋轉角度的BHU數(shù)據(jù)庫的表情圖像。最后,采用LDA算法作為樣本的特征提取算法。

    圖1 RaFD數(shù)據(jù)庫的實驗樣本

    圖2 BHU數(shù)據(jù)庫的實驗樣本

    實驗采用AdaBoost.M1算法、ASSEMBLE算法、RegBoost算法以及LP算法作為基線算法。分別以k近鄰分類器(k-NN)或反向傳播神經(jīng)網(wǎng)絡分類器(BP-NN)作為算法的基礎分類器。從中選取識別率高的分類結果作為最終的實驗結果。算法的最大循環(huán)次數(shù)設為10次。

    首先,以RaFD數(shù)據(jù)庫的正面樣本為源域、135°樣本為目標域開展分類實驗。采用k-NN作為基礎分類器,設k值為3。隨機選取r比例的目標域樣本和源域樣本組成訓練集,其中r分別取10%、20%、30%、40%和50%。因為實驗采用了正面及135°樣本各342個,所以選取的目標域樣本數(shù)量為r×342的整數(shù),余下的342-r×342個目標域樣本組成測試集。令訓練集中標記樣本和未標記樣本的比例為1。每個比例的樣本數(shù)據(jù)各生成10組,算法識別率取10次實驗的平均結果,實驗結果如表7所示。

    其次,以RaFD數(shù)據(jù)庫的正面圖像為源域、180°圖像為目標域進行對比實驗。實驗采用BP-NN作為基礎分類器。實驗結果如表8所示。

    表7 RaFD數(shù)據(jù)庫中正面和135°圖像的算法分類正確率

    表8 RaFD數(shù)據(jù)庫中正面和180°圖像的算法分類正確率

    表7和表8的實驗結果表明:一方面,算法識別率隨著偏轉圖像在訓練集中比例的增加而提高。既說明了特征空間和數(shù)據(jù)分布相同的樣本在分類中起到了很大作用,也說明了在樣本特征空間和數(shù)據(jù)分布不同的情況下,基線算法僅依靠抑制誤分類樣本無法獲得更好的識別效果。而SSL-AdaBoost算法依靠知識遷移,有效地運用正面圖像的表情特征,克服了樣本特征空間和數(shù)據(jù)分布差異對半監(jiān)督學習造成的干擾,在大部分比例下取得了比基線算法更高的識別率。另一方面,偏轉造成了人臉器官的遮擋以及大量表情信息的缺失,嚴重影響了算法的識別效果?;€算法在信息缺失與噪聲干擾的情況下,僅依靠少量偏轉圖像的表情特征不能更好地完成半監(jiān)督學習任務。SSL-AdaBoost算法通過知識遷移,將正面圖像的表情特征遷移到偏轉圖像的分類器構建之中,降低了信息缺失造成的干擾。在多姿態(tài)條件下,SSL-AdaBoost算法具有較好的魯棒性。

    最后,以BHU數(shù)據(jù)庫的正面圖像為源域、30°圖像為目標域開展分類實驗。實驗設置與表7相同。實驗結果如表9所示。從表9中可以看出,在BHU數(shù)據(jù)庫上,SSL-AdaBoost算法依然在識別率上保持了優(yōu)勢。多姿態(tài)條件下的實驗結果證明了SSL-AdaBoost算法的有效性。

    表9 BHU數(shù)據(jù)庫中正面和30°圖像的算法分類正確率

    3結語

    本文提出一種新的半監(jiān)督學習自適應提升算法。該算法借助遷移學習理論中的知識遷移方法,在多數(shù)據(jù)庫條件下將數(shù)據(jù)分布不同的樣本表情特征遷移到分類器的構建中,在一定程度上克服了不同數(shù)據(jù)環(huán)境下的個體差異性對表情識別的干擾,有效地實現(xiàn)了對未標記樣本的訓練。此外,在多姿態(tài)條件下將正面圖像的表情特征遷移到偏轉圖像的分類器構建中,降低了信息缺失造成的干擾。實驗結果表明,本文算法在多數(shù)據(jù)庫條件下有效地提高了算法的表情識別率;在多姿態(tài)表情圖像上取得了比基線算法更高的識別率。

    參考文獻

    [1] 劉帥師,田彥濤,王新竹.基于對稱雙線性模型的光照魯棒性人臉表情識別[J].自動化學報,2012,38(12):1933-1940.

    [2] 易積政,毛峽,IshizukaM,等.基于特征點矢量與紋理形變能量參數(shù)融合的人臉表情識別[J].電子與信息學報,2013,35(10):2403-2410.

    [3]ChapelleO,Sch?lkopfB,ZienA.Semi-supervisedlearning[M].Cambridge:MITPress, 2006.

    [4]YanHB,AngJrMH,PooAN.Cross-datasetfacialexpressionrecognition[C]//ProceedingsofIEEEInternationalConferenceonRoboticsandAutomation,Shanghai, 2011:5985-5990.

    [5]LiWQ,ChenDS.Multi-posefacerecognitioncombiningtensorfaceandmanifoldlearning[C]//ProceedingsoftheIEEEInternationalConferenceonComputerScienceandAutomationEngineering.Shanghai:IEEEPress, 2011:543-547.

    [6]WangJH,YouJ,LiQ,etal.Orthogonaldiscriminantvectorforfacerecognitionacrosspose[J].PatternRecognition, 2012,45(12):4069-4079.

    [7]LiAN,ShangSG,GaoW.Coupledbias-variancetradeoffforcross-posefacerecognition[J].IEEETransactionsImageProcess, 2012, 21(1):305-315.

    [8]LeePH,HsuGS,WangYW,etal.Subject-specificandpose-orientedfacialfeaturesforfacerecognitionacrossposes[J].IEEETransactionsonSystems,Man,andCybernetics-PartB:Cybernetics, 2012, 42(5):1357-1368.

    [9]DaiWY,YangQ,XueG,etal.Boostingfortransferlearning[C]//Proceedingsofthe24thInternationalConferenceonMachineLearning,Corvallis, 2007:193-200.

    [10]MallapragadaP,JinR,JainA,etal.SemiBoost:Boostingforsemi-supervisedlearning[J].IEEETransactiononPatternAnalysisandMachineIntelligence, 2009,31(11):2000-2014.

    [11]BennettKP,DemirizA,MaclinR.Exploitingunlabeleddatainensemblemethods[C]//Proceedingsofthe8thACMInternationalConferenceonKnowledgeDiscoveryandDataMining,Edmonton:ACMPress, 2002:289-296.

    [12]WangSH,ChenK.Ensemblelearningwithactivedataselectionforsemi-supervisedpatternclassification[C]//ProceedingsofInternationalJointConferenceonNeuralNetworks,Orlando,Florida,USA, 2007.

    [13]ChenK,WangSH.Semi-supervisedlearningviaregularizedboostingworkingonmultiplesemi-supervisedassumptions[J].IEEETransactiononPatternAnalysisandMachineIntelligence, 2011,33(1):129-143.

    [14]SuwaM,SugieN,FujimoraK.Apreliminarynoteonpatternrecognitionofhumanemotionalexpression[C]//Proceedingsofthe4thInternationalJointConferenceonPatternRecognition,Kyoto,Japan:InstituteofElectricalandElectronicsEngineers, 1978:408-410.

    [15]MaseK,PentlandA.Recognitionoffacialexpressionfromopticalflow[J].IEICETransactions,1991,E74(10):3474-3483.

    [16]EssaI,PentlandA.Coding,analysis,interpretationandrecognitionoffacialexpressions[J].IEEETransactiononPatternAnalysisandMachineIntelligence,1997,19(7):757-763.

    [17]ZhuXJ,GhahramaniZ.Learningfromlabeledandunlabeleddatawithlabelpropagation[R].TechnicalReportCMU-CALD-02-107,CarnegieMellonUniversity,2002.

    AN ADAPTIVE BOOSTING ALGORITHM WITH SEMI-SUPERVISED LEARNINGFORFACIALEXPRESSIONRECOGNITION

    Wu Huicong1Jia Kebin2Jiang Bin2

    1(College of Information Science and Engineering, Hebei University of Science and Technology, Shijiazhuang 050018, Hebei, China)2(College of Electronic Information and Control Engineering, Beijing University of Technology, Beijing 100124,China)

    AbstractTo address the low recognition rate of traditional facial expression recognition algorithm with semi-supervised learning caused by diverse expressions sources and different face attitudes, we propose a novel semi-supervised learning adaptive boosting (SSL-AdaBoost) algorithm based on transplanting learning adaptive boosting algorithm. The algorithm determines the categories of unmarked samples by calculating the marked samples concentrated in training through near neighbour, and recognises by means of AdaBosst.M1 algorithm the facial expression sample with multi-data sources and the facial expression sample of multiple attitudes respectively to realise the multi-category recognition task of samples. Experimental results show that the algorithm significantly improves the expression recognition rate in comparison with the label propagation method and many other semi-supervised learning methods. Besides, it achieves the highest recognition rate by 73.33% on multiple databases and 87.71% on multi-attitude database respectively.

    KeywordsFacial expression recognitionSemi-supervised learningAdaptive boosting

    收稿日期:2015-03-03。河北省自然科學基金項目(F201420 8113)。吳會叢,博士生,主研領域:數(shù)據(jù)挖掘,演化計算。賈克斌,教授。蔣斌,博士生。

    中圖分類號TP391.4

    文獻標識碼A

    DOI:10.3969/j.issn.1000-386x.2016.06.065

    猜你喜歡
    源域識別率人臉
    多源域適應方法綜述
    有特點的人臉
    基于參數(shù)字典的多源域自適應學習算法
    基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
    計算機工程(2020年3期)2020-03-19 12:24:50
    基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識別率的關系
    三國漫——人臉解鎖
    動漫星空(2018年9期)2018-10-26 01:17:14
    提升高速公路MTC二次抓拍車牌識別率方案研究
    高速公路機電日常維護中車牌識別率分析系統(tǒng)的應用
    可遷移測度準則下的協(xié)變量偏移修正多源集成方法
    馬面部與人臉相似度驚人
    成人漫画全彩无遮挡| 国产精品不卡视频一区二区| 亚洲精品乱码久久久久久按摩| 七月丁香在线播放| 一区二区三区乱码不卡18| 91精品国产九色| 免费看不卡的av| 亚洲国产精品一区二区三区在线| 97超视频在线观看视频| 热99国产精品久久久久久7| 国产深夜福利视频在线观看| 老司机影院毛片| 免费观看a级毛片全部| 国产高清国产精品国产三级| a级毛色黄片| 日韩精品免费视频一区二区三区 | 国产片特级美女逼逼视频| av黄色大香蕉| 中文字幕人妻丝袜制服| 国产精品国产三级国产av玫瑰| 国精品久久久久久国模美| 欧美3d第一页| 十八禁网站网址无遮挡 | 欧美成人午夜免费资源| 国产高清不卡午夜福利| 色吧在线观看| 老司机亚洲免费影院| 日日啪夜夜爽| 免费观看av网站的网址| 又粗又硬又长又爽又黄的视频| 最近手机中文字幕大全| 亚洲三级黄色毛片| 精品人妻偷拍中文字幕| 久久久久人妻精品一区果冻| 三级国产精品片| 国产精品国产av在线观看| 成人毛片a级毛片在线播放| 日韩三级伦理在线观看| 国产淫片久久久久久久久| 国产一区有黄有色的免费视频| 久久女婷五月综合色啪小说| 丰满人妻一区二区三区视频av| 18禁在线无遮挡免费观看视频| 亚洲精品国产av蜜桃| 成年人免费黄色播放视频 | 国产黄色视频一区二区在线观看| kizo精华| 日本色播在线视频| 亚洲成人手机| 又黄又爽又刺激的免费视频.| 夜夜看夜夜爽夜夜摸| 日日撸夜夜添| 亚洲va在线va天堂va国产| 久久精品国产a三级三级三级| 国产精品一区二区三区四区免费观看| 亚洲av成人精品一二三区| 久久国产亚洲av麻豆专区| 中文字幕制服av| 九草在线视频观看| 日韩伦理黄色片| av在线播放精品| 国产一级毛片在线| 国产黄片美女视频| 亚洲综合色惰| 女性被躁到高潮视频| 在线观看一区二区三区激情| 午夜福利网站1000一区二区三区| 久久久精品94久久精品| 国产69精品久久久久777片| 久久av网站| av在线观看视频网站免费| 在线观看国产h片| 麻豆精品久久久久久蜜桃| 久久亚洲国产成人精品v| 日产精品乱码卡一卡2卡三| √禁漫天堂资源中文www| 丝袜脚勾引网站| 97在线人人人人妻| 欧美xxⅹ黑人| 午夜激情久久久久久久| 国产乱来视频区| 熟女av电影| 亚洲精品乱码久久久久久按摩| 中文精品一卡2卡3卡4更新| 老司机亚洲免费影院| h视频一区二区三区| 日韩av不卡免费在线播放| a级毛片免费高清观看在线播放| 国产成人aa在线观看| 成人午夜精彩视频在线观看| 蜜臀久久99精品久久宅男| 在线观看国产h片| 国产无遮挡羞羞视频在线观看| 91精品一卡2卡3卡4卡| freevideosex欧美| 国产成人a∨麻豆精品| 伊人久久国产一区二区| 亚洲在久久综合| 最黄视频免费看| 一二三四中文在线观看免费高清| 国产高清三级在线| 欧美亚洲 丝袜 人妻 在线| 一级二级三级毛片免费看| 国产无遮挡羞羞视频在线观看| 成年人免费黄色播放视频 | 热re99久久精品国产66热6| 十八禁网站网址无遮挡 | 免费人成在线观看视频色| 国产女主播在线喷水免费视频网站| 亚洲内射少妇av| 免费黄色在线免费观看| 亚洲国产日韩一区二区| av又黄又爽大尺度在线免费看| 成年人午夜在线观看视频| 99久久精品一区二区三区| 这个男人来自地球电影免费观看 | 欧美丝袜亚洲另类| 精品少妇黑人巨大在线播放| 亚洲伊人久久精品综合| 五月天丁香电影| 成人午夜精彩视频在线观看| 在线观看免费日韩欧美大片 | 亚洲成人一二三区av| 人妻制服诱惑在线中文字幕| 国产一区亚洲一区在线观看| 热re99久久精品国产66热6| 大香蕉久久网| 国产一区亚洲一区在线观看| 天堂俺去俺来也www色官网| 精品人妻熟女毛片av久久网站| 欧美bdsm另类| 大片免费播放器 马上看| 丝袜在线中文字幕| 国产成人精品久久久久久| 国产欧美另类精品又又久久亚洲欧美| 韩国高清视频一区二区三区| 久久鲁丝午夜福利片| 亚洲伊人久久精品综合| 久久精品国产亚洲网站| 日韩成人伦理影院| 亚洲av男天堂| 夜夜骑夜夜射夜夜干| h视频一区二区三区| 国产精品福利在线免费观看| 亚洲国产最新在线播放| 国产精品不卡视频一区二区| av免费在线看不卡| 国产乱来视频区| 国产成人精品福利久久| 亚洲av男天堂| 欧美3d第一页| 国产精品一区二区性色av| 精品一区在线观看国产| 18禁动态无遮挡网站| 精品国产一区二区三区久久久樱花| 777米奇影视久久| 99热6这里只有精品| 人妻制服诱惑在线中文字幕| 国产精品免费大片| 另类精品久久| 制服丝袜香蕉在线| 丰满迷人的少妇在线观看| 中文字幕制服av| 天堂中文最新版在线下载| 久久久精品94久久精品| 亚洲图色成人| 婷婷色麻豆天堂久久| 最近中文字幕高清免费大全6| 99久久人妻综合| 久久99一区二区三区| 丰满迷人的少妇在线观看| 老熟女久久久| 亚洲真实伦在线观看| 男男h啪啪无遮挡| 国产免费又黄又爽又色| 深夜a级毛片| 日韩欧美精品免费久久| 精品视频人人做人人爽| 人人妻人人澡人人看| 色婷婷久久久亚洲欧美| 九草在线视频观看| 91久久精品国产一区二区三区| 极品教师在线视频| 国内少妇人妻偷人精品xxx网站| 观看美女的网站| av黄色大香蕉| 国产精品成人在线| 国产老妇伦熟女老妇高清| 亚洲,欧美,日韩| 桃花免费在线播放| 亚洲av综合色区一区| 色网站视频免费| 欧美少妇被猛烈插入视频| 91精品国产九色| 精品熟女少妇av免费看| 啦啦啦视频在线资源免费观看| 男人添女人高潮全过程视频| 久久国产乱子免费精品| 精品人妻熟女av久视频| 黑丝袜美女国产一区| 亚洲精品国产成人久久av| 久久精品国产亚洲av天美| av网站免费在线观看视频| 久久99热这里只频精品6学生| 亚洲国产毛片av蜜桃av| 日本与韩国留学比较| 成人无遮挡网站| 国产午夜精品一二区理论片| 18禁裸乳无遮挡动漫免费视频| 一级黄片播放器| www.av在线官网国产| 一本—道久久a久久精品蜜桃钙片| 99热全是精品| 国产免费福利视频在线观看| av卡一久久| 国产av一区二区精品久久| 最新中文字幕久久久久| 免费在线观看成人毛片| 久久99一区二区三区| 91在线精品国自产拍蜜月| 又黄又爽又刺激的免费视频.| 91aial.com中文字幕在线观看| 人妻人人澡人人爽人人| 不卡视频在线观看欧美| 日本猛色少妇xxxxx猛交久久| 国产欧美日韩一区二区三区在线 | 色哟哟·www| 中文字幕制服av| 22中文网久久字幕| 美女cb高潮喷水在线观看| 赤兔流量卡办理| 亚洲综合色惰| 国产91av在线免费观看| 日韩一本色道免费dvd| 精品国产国语对白av| 80岁老熟妇乱子伦牲交| 国产成人免费观看mmmm| 成年av动漫网址| 亚洲一区二区三区欧美精品| 五月天丁香电影| 黄色一级大片看看| 国产亚洲最大av| 亚洲国产精品国产精品| 亚洲精品日韩av片在线观看| 欧美xxxx性猛交bbbb| 五月开心婷婷网| 免费av中文字幕在线| 亚洲图色成人| av福利片在线| 韩国高清视频一区二区三区| 精品人妻偷拍中文字幕| 一本久久精品| 内射极品少妇av片p| 2018国产大陆天天弄谢| 亚洲国产毛片av蜜桃av| 美女国产视频在线观看| 亚洲精品乱码久久久v下载方式| 亚洲av国产av综合av卡| 黄色视频在线播放观看不卡| 免费观看av网站的网址| 亚洲婷婷狠狠爱综合网| 一个人看视频在线观看www免费| 国产亚洲欧美精品永久| 国产色爽女视频免费观看| 美女主播在线视频| 日本黄色片子视频| 亚洲一区二区三区欧美精品| 下体分泌物呈黄色| 亚洲第一区二区三区不卡| 免费观看无遮挡的男女| 精品少妇黑人巨大在线播放| 18禁在线播放成人免费| 久久毛片免费看一区二区三区| 一本—道久久a久久精品蜜桃钙片| 欧美成人精品欧美一级黄| 美女大奶头黄色视频| 插阴视频在线观看视频| 亚洲av二区三区四区| 久久人人爽av亚洲精品天堂| 欧美高清成人免费视频www| av免费在线看不卡| 亚洲精品一区蜜桃| 99热国产这里只有精品6| 在线免费观看不下载黄p国产| 肉色欧美久久久久久久蜜桃| 久久午夜福利片| 人人妻人人爽人人添夜夜欢视频 | 观看免费一级毛片| 美女国产视频在线观看| 99久久人妻综合| 一区在线观看完整版| 97精品久久久久久久久久精品| 肉色欧美久久久久久久蜜桃| 亚洲va在线va天堂va国产| 岛国毛片在线播放| 久久97久久精品| 日日摸夜夜添夜夜添av毛片| 国产精品一区二区在线不卡| 午夜免费男女啪啪视频观看| 97在线视频观看| 亚洲第一av免费看| 99久久中文字幕三级久久日本| 国产欧美日韩一区二区三区在线 | 午夜免费鲁丝| 午夜福利,免费看| 免费久久久久久久精品成人欧美视频 | 深夜a级毛片| 久久精品夜色国产| 在线观看av片永久免费下载| 人妻少妇偷人精品九色| 亚洲欧美一区二区三区黑人 | 亚洲av中文av极速乱| 色婷婷久久久亚洲欧美| 亚洲国产精品一区二区三区在线| 一本一本综合久久| 国产成人精品久久久久久| 午夜91福利影院| 欧美激情国产日韩精品一区| 观看美女的网站| 在线播放无遮挡| 亚洲自偷自拍三级| 黄色欧美视频在线观看| 中文精品一卡2卡3卡4更新| 涩涩av久久男人的天堂| av免费在线看不卡| 国产色爽女视频免费观看| 精品一区二区免费观看| 新久久久久国产一级毛片| 人人妻人人澡人人看| 嘟嘟电影网在线观看| 亚洲真实伦在线观看| 少妇人妻精品综合一区二区| 亚洲精品亚洲一区二区| 狂野欧美白嫩少妇大欣赏| 边亲边吃奶的免费视频| 精品人妻熟女av久视频| 亚洲一区二区三区欧美精品| 国产乱来视频区| 国内少妇人妻偷人精品xxx网站| 在现免费观看毛片| 国产女主播在线喷水免费视频网站| 高清欧美精品videossex| 亚洲成色77777| 国精品久久久久久国模美| 不卡视频在线观看欧美| 日日摸夜夜添夜夜爱| 欧美人与善性xxx| 丰满迷人的少妇在线观看| 国产成人午夜福利电影在线观看| 搡老乐熟女国产| 国产在线男女| 亚洲av福利一区| 在线观看www视频免费| 中文天堂在线官网| 人妻人人澡人人爽人人| 内射极品少妇av片p| 一本色道久久久久久精品综合| 新久久久久国产一级毛片| www.色视频.com| 伊人久久国产一区二区| 各种免费的搞黄视频| 国产日韩欧美亚洲二区| 亚州av有码| 丝袜喷水一区| 亚洲自偷自拍三级| 久久精品熟女亚洲av麻豆精品| 国产成人精品婷婷| 午夜免费观看性视频| 色哟哟·www| 国产伦精品一区二区三区四那| 大片电影免费在线观看免费| 久久这里有精品视频免费| 久久久国产一区二区| 精品一区二区三卡| √禁漫天堂资源中文www| 成年女人在线观看亚洲视频| 日本猛色少妇xxxxx猛交久久| 大又大粗又爽又黄少妇毛片口| 99久久中文字幕三级久久日本| 精品亚洲成a人片在线观看| 菩萨蛮人人尽说江南好唐韦庄| 如何舔出高潮| 26uuu在线亚洲综合色| 亚洲精品国产av蜜桃| 久久精品久久久久久噜噜老黄| 99热这里只有精品一区| 日本vs欧美在线观看视频 | 男女国产视频网站| 亚洲精品一二三| 久久影院123| 日韩成人伦理影院| 久久97久久精品| 日韩熟女老妇一区二区性免费视频| 精品少妇内射三级| 免费观看av网站的网址| 国产 精品1| 美女大奶头黄色视频| 欧美xxxx性猛交bbbb| 最新的欧美精品一区二区| 日本黄色片子视频| 看非洲黑人一级黄片| 亚洲欧美一区二区三区国产| 日韩av在线免费看完整版不卡| 少妇 在线观看| 蜜臀久久99精品久久宅男| 啦啦啦啦在线视频资源| 视频区图区小说| 久久精品国产亚洲av天美| 色婷婷av一区二区三区视频| 欧美成人午夜免费资源| 亚洲精品乱久久久久久| 成人午夜精彩视频在线观看| 免费大片18禁| 日韩熟女老妇一区二区性免费视频| 王馨瑶露胸无遮挡在线观看| 大话2 男鬼变身卡| 国产黄色视频一区二区在线观看| av播播在线观看一区| 欧美日韩亚洲高清精品| 久久久久久伊人网av| 午夜影院在线不卡| 伦理电影免费视频| 99国产精品免费福利视频| 久久97久久精品| 国产精品一区二区在线观看99| 日日爽夜夜爽网站| 欧美区成人在线视频| 国产亚洲精品久久久com| 交换朋友夫妻互换小说| 日本黄色片子视频| 搡女人真爽免费视频火全软件| 91成人精品电影| 国产亚洲欧美精品永久| 亚洲国产精品999| 亚洲,一卡二卡三卡| .国产精品久久| 春色校园在线视频观看| 在线观看av片永久免费下载| 男人狂女人下面高潮的视频| 亚洲伊人久久精品综合| 日韩电影二区| 亚洲国产精品一区三区| 伦理电影大哥的女人| 亚洲综合精品二区| 男的添女的下面高潮视频| 免费在线观看成人毛片| 又大又黄又爽视频免费| 丝袜喷水一区| 日韩强制内射视频| 欧美日本中文国产一区发布| 能在线免费看毛片的网站| 大话2 男鬼变身卡| 国产精品国产三级国产专区5o| 如日韩欧美国产精品一区二区三区 | 国产美女午夜福利| 国产午夜精品久久久久久一区二区三区| 日韩成人伦理影院| 综合色丁香网| 欧美最新免费一区二区三区| 老司机影院成人| 91午夜精品亚洲一区二区三区| 国产中年淑女户外野战色| 亚洲美女黄色视频免费看| 欧美 日韩 精品 国产| 精品一区二区免费观看| 久久婷婷青草| 成人特级av手机在线观看| 99re6热这里在线精品视频| 国产免费视频播放在线视频| 免费观看在线日韩| av女优亚洲男人天堂| 2022亚洲国产成人精品| 亚洲精品国产av蜜桃| 最近最新中文字幕免费大全7| 99久久精品一区二区三区| 丰满迷人的少妇在线观看| 少妇高潮的动态图| 热99国产精品久久久久久7| 日韩欧美 国产精品| 久久久久网色| 国产精品一区二区性色av| 亚洲精品国产av成人精品| 国产又色又爽无遮挡免| 黄色日韩在线| 国产精品免费大片| 特大巨黑吊av在线直播| 亚洲精品视频女| 一本一本综合久久| 黄色日韩在线| 亚洲情色 制服丝袜| 日韩一区二区视频免费看| 亚洲av男天堂| 三上悠亚av全集在线观看 | 国内精品宾馆在线| 亚洲成色77777| 久久青草综合色| 国产又色又爽无遮挡免| 久久人人爽人人爽人人片va| 十八禁高潮呻吟视频 | 在线亚洲精品国产二区图片欧美 | 亚洲欧美成人综合另类久久久| 久热久热在线精品观看| 黄片无遮挡物在线观看| 男人爽女人下面视频在线观看| 你懂的网址亚洲精品在线观看| 久久韩国三级中文字幕| 亚洲欧美日韩东京热| 国产精品一区二区在线不卡| 精品亚洲乱码少妇综合久久| 哪个播放器可以免费观看大片| 日韩免费高清中文字幕av| 国产男女超爽视频在线观看| 卡戴珊不雅视频在线播放| 午夜视频国产福利| 人人妻人人澡人人爽人人夜夜| 欧美少妇被猛烈插入视频| 国产又色又爽无遮挡免| 久久ye,这里只有精品| 两个人免费观看高清视频 | 亚洲精品乱码久久久v下载方式| 搡女人真爽免费视频火全软件| 自线自在国产av| 视频区图区小说| 美女视频免费永久观看网站| 亚洲一区二区三区欧美精品| 久久久久网色| 全区人妻精品视频| 大片免费播放器 马上看| 三级经典国产精品| 久久97久久精品| 午夜视频国产福利| 色哟哟·www| h视频一区二区三区| 国产欧美另类精品又又久久亚洲欧美| 国产精品蜜桃在线观看| 日本午夜av视频| 狂野欧美白嫩少妇大欣赏| 欧美精品人与动牲交sv欧美| 在线 av 中文字幕| 我的老师免费观看完整版| 五月天丁香电影| 国产免费一级a男人的天堂| 五月天丁香电影| 日产精品乱码卡一卡2卡三| 涩涩av久久男人的天堂| 9色porny在线观看| 天堂中文最新版在线下载| 国产精品久久久久久精品古装| 国产精品人妻久久久影院| 国产精品99久久久久久久久| 99久国产av精品国产电影| 免费观看a级毛片全部| 大又大粗又爽又黄少妇毛片口| 中文字幕av电影在线播放| 成人毛片a级毛片在线播放| 免费黄网站久久成人精品| 亚州av有码| 午夜福利,免费看| 国产亚洲精品久久久com| av免费观看日本| 精品一品国产午夜福利视频| 久久6这里有精品| 亚洲国产精品一区二区三区在线| 中文字幕亚洲精品专区| 免费av中文字幕在线| 国产在线免费精品| 国产 精品1| 成人国产麻豆网| 18+在线观看网站| 我要看黄色一级片免费的| av免费观看日本| 国产伦精品一区二区三区四那| 大片免费播放器 马上看| 只有这里有精品99| 国产亚洲av片在线观看秒播厂| 黑人猛操日本美女一级片| 黄色日韩在线| 性色av一级| 国产男人的电影天堂91| 久久久久久久久久久免费av| 麻豆精品久久久久久蜜桃| av又黄又爽大尺度在线免费看| 免费大片黄手机在线观看| 少妇 在线观看| 国产精品国产三级国产av玫瑰| 亚洲欧美日韩东京热| 日韩 亚洲 欧美在线| 桃花免费在线播放| 亚洲欧美日韩东京热| 国产黄色视频一区二区在线观看| 亚洲av.av天堂| 国产在线视频一区二区| 最近2019中文字幕mv第一页| 色吧在线观看| www.av在线官网国产| 99热全是精品| 777米奇影视久久| 成人亚洲精品一区在线观看| 韩国高清视频一区二区三区| 高清av免费在线| 国产高清不卡午夜福利| 免费看日本二区| 国产男女内射视频| 国产男女超爽视频在线观看| 国产精品久久久久久精品古装| 亚洲熟女精品中文字幕| 日韩欧美一区视频在线观看 | 男人舔奶头视频| 成人美女网站在线观看视频| 国产精品久久久久久av不卡| 街头女战士在线观看网站| 久久精品熟女亚洲av麻豆精品| 毛片一级片免费看久久久久| 国产精品一区二区性色av| 久久精品久久久久久久性|